McKinsey խորհրդատվական ընկերությունը զեկույց է հրապարակել բանկերում արհեստական բանականության (ԱԲ) օգտագործման վերաբերյալ, հաղորդում է Frank Media-ն:

Զեկույցում նշվում է, որ ԱԲ օգտագործումը բանկերին հնարավորություն է տալիս ավելի շատ հաճախորդներ սպասարկել, մեծացնել շուկայի մասնաբաժինը եւ բարձրացնել բիզնեսի եկամտաբերությունն ավելի քիչ ծախսերի դիմաց: Այս տեխնոլոգիայի լայնամասշտաբ օգտագործման դեպքում բանկերը կարող են վճռական մրցակցային առավելություն ստանալ, այդ թվում` գլոբալ շուկաներում:

ԱԲ օգտագործող բանկերը կարող են բարելավել իրենց աշխատանքի 4 ոլորտները` ավելի որակյալ ներգրավել նոր հաճախորդների, բարձրացնել հաճախորդի «հավերժ» արժեքը (life-time value), նվազեցնել ծախսերն ու վարկային ռիսկը:

Դա հատկապես կարեւոր է հաճախորդների համար մրցակցության պայմաններում, ինչպես նաեւ խոշոր շուկաներ մուտք գործելիս, որտեղ բանկերը ստիպված են մրցակցել տեխնոլոգիական ընկերությունների եւ էկոհամակարգերի հետ:

Հաճախորդների ներգրավում

Ընդլայնված վերլուծության օգտագործումը որոշիչ նշանակություն ունի նոր հաճախորդների ներգրավման հարցում։ Նրանք կարող են օգտագործել տարբեր ուղիներ. ոմանք գալիս են անմիջապես բանկի կայք կամ բջջային հավելված, մյուսները՝ մասնաճյուղեր, մի մասն էլ դառնում է բանկի հաճախորդ՝ օգտագործելով գործընկերների կայքերը կամ գովազդային հայտարարությունների միջոցով: Շատ բանկեր արդեն այսօր օգտագործում են վերլուծությունը՝ յուրաքանչյուր նոր հաճախորդի բանկ գալու ուղին հասկանալու համար, հետեւաբար կարող են ներկայացնել անհատականացված առաջարկներ անմիջապես թիրախային կայքէջում:

ԱԲ տեխնոլոգիայի օգտագործումը թույլ է տալիս հրաժարվել էլեկտրոնային նամակների զանգվածային ուղարկումից: Հասկանալով տարբեր հատվածներից հաճախորդների կարիքները, վերլուծելով նախորդ հաղորդագրությունների վրա արձագանքը (եւ գնումներ կատարելու պատրաստակամությունը)`բանկը կարող է որոշել օպտիմալ կապուղին՝ օգտատերերի համար առավել հարմար ժամանակ հաղորդագրություններ ուղարկելու համար։ Սպասարկման որակի բարելավումը անդրադառնում է կոնվերսիայի վրա:

Վարկավորում

Ավանդական բանկերի հաճախորդները կարող են սպասել վարկի դիմումի հաստատմանը մեկ օրից մինչեւ մեկ շաբաթ, գրում են McKinsey-ի վերլուծաբանները: ԱԲ ակտիվ օգտագործող բանկերը մշակել են վարկերի տրամադրման սխեմաներ, որոնք հիմնված են իրական ժամանակում հաճախորդի տվյալների վերլուծության վրա, ինչը թույլ է տալիս շատ ավելի արագ որոշումներ կայացնել վարկերի վերաբերյալ:

Վարկեր տրամադրելիս ԱԲ օգտագործումը տալիս է եւս մի քանի առավելություն.

- Վարկային սահմանաչափը հստակ որոշելու հնարավորություն: Առաջատար բանկերն օգտագործում են ընդլայնված վերլուծություն եւ մեքենայական ուսուցում` ավտոմատացնելու համար վարկառուի առավելագույն գումարը որոշելու գործընթացը: Այս բանկերը օգտագործում են OCR (սիմվոլների օպտիկական ճանաչում) տեխնոլոգիան՝ սովորական աղբյուրներից տվյալների հավաքագրման համար, ինչպիսիք են հաշիվների քաղվածքները, հարկային հայտարարագրերը եւ կոմունալ վճարումների հաշիվները: Այդ պատճառով բանկերը կարող են արագ գնահատել հաճախորդի եկամուտը եւ վարկի մասով պարբերական վճարումներ կատարելու նրա կարողությունը:

- Արդար գնագոյացում: Որպես կանոն, բանկերն առաջարկում են վարկերի ստանդարտացված տոկոսադրույքներ, միաժամանակ, բանկի աշխատակիցներն ունեն որոշակի ազատություն՝ թույլատրված սահմաններում տոկոսադրույքները ճշգրտելու համար: Սակայն որակյալ վարկառուների համար կոշտ մրցակցությունն ավանդական մոտեցումներ օգտագործող բանկերին դնում է ոչ շահավետ վիճակի մեջ՝ ի համեմատ ԱԲ եւ վերլուծության ոլորտում առաջատարների: Ռիսկի գնահատման եւ վարկի գնագոյացման համար հիմնվելով մեքենայական ուսուցման ճշգրիտ մոդելների վրա՝ ԱԲ կիրառող բանկերը կարողացան առաջարկել մրցունակ տոկոսադրույքներ՝ միաժամանակ պահպանելով ցածր ծախսերը ռիսկի վրա:

- Հակազդում խարդախությանը: Թվային կապուղիներում հաճախորդների սպասարկումը նոր հնարավորություններ է ընձեռում, այդ թվում՝ խարդախների համար: Ամենատարածված դեպքերը՝ անձնական տվյալների գողությունն է, աշխատակիցների, գործընկերների, հաճախորդների կողմից խարդախությունը, ինչպես նաեւ փողերի լվացումն ու պատժամիջոցների խախտումը: Բանկերը պետք է շարունակաբար արդիականացնեն խարդախությունների հայտնաբերման եւ կանխարգելման իրենց մոդելները: Այսպես՝ չինական Ping An ֆինանսական հոլդինգն օգտագործում է պատկերների վերլուծության մոդել՝ հաճախորդների՝ իրենց կամքից անկախ դեմքի 54 արտահայտությունները ճանաչելու համար: Ընդհանուր առմամբ, կասկածելի հաճախորդների ավելի հստակ նույնականացումը թույլ կտա բանկերին բարձրացնել վարկերի հաստատման տոկոսն՝ առանց վարկային ռիսկի ավելացման:

Հաճախորդների ներգրավվածության բարձրացում

Առաջատար բանկերն օգտագործում են ընդլայնված վերլուծություն՝ բացահայտելու համար ամենաքիչ ներգրավված հաճախորդներին, ովքեր կարող են լքել բանկը, եւ այս պարագայում գտնել նրանց պահելու միջոց: Յուրաքանչյուր անհատականացված առաջարկ պետք է առաքվի ճիշտ կապուղու միջոցով՝ ճիշտ ժամանակին:

Օրինակ, վերլուծելով հաճախորդի ծախսերի կառուցվածքը եւ որոնման հարցումները, բանկը կարող է իմանալ կենցաղային տեխնիկա գնելու համար վարկի ծագած անհրաժեշտությունը: Բանկերի պրոդուկտների օգտագործման վերաբերյալ տվյալների վերլուծությունը եւս կարող է բացահայտել այն ոլորտները, որոնցում կարելի է ավելի լավ առաջարկ անել հաճախորդին՝ իր ընթացիկ կարիքներին համապատասխան։

Կոնտեքստ

ԱԲ տեխնոլոգիաները պահանջված են նաեւ ռուսաստանյան բանկերում: 2021 թվականին այս տեխնոլոգիան կարող է լինել այն հիմնական ուղղություններից մեկը, որում բանկերն ակտիվորեն ներդրումներ կկատարեն: «Բանկերը դառնում են հսկայական տեղեկատվության կոնգլոմերատներ, եւ այժմ մենք տեսնում ենք բավականին սուր մրցակցություն բանկային հատվածում: Բանկերին անհրաժեշտ է արդյունավետ պրոդուկտ, որը թույլ կտա ապագայում նվազեցնել ծախսերը եւ ավելացնել շահույթը»,- ավելի վաղ նշել էր S&P-ի «Ֆինանսական ինստիտուտներ» գծով տնօրեն Սերգեյ Վորոնենկոն:

Ռուսաստանյան խոշոր բանկերն արդեն երկար ժամանակ օգտագործում են ԱԲ: Դեռ 2019-ին Սբերբանկի վարչության նախագահի առաջին տեղակալ Ալեքսանդր Վեդյախինը նշել էր, որ բանկում չի մնացել մեկ ստորաբաժանում, որտեղ ներդրված չլինեն ԱԲ տեխնոլոգիաները: Այդ ժամանակ բանկն ակտիվորեն օգտագործում էր ԱԲ` վարկերի տրամադրման վերաբերյալ որոշումներ կայացնելու համար: «Հիմա ԱԲ կողմից կայացրած որոշումների հիման վրա տրամադրվում են վարկային քարտերի 100%-ը, սպառողական վարկերի ավելի քան 90%-ը եւ հիփոթեքային վարկերի մոտ 50%-ը, քանի որ սա ավելի բարդ պրոդուկտ է»,- նշում էր նա:

«Ֆինտեխ» բաժնի գործընկեր`